【摘 要】
：
交通标志的有效分割是交通标志识别系统中的关键问题.针对禁令标志颜色特征,结合人类视觉系统的颜色感知特点,首先以颜色分量R(红)、G(绿)、B(蓝)作为输入特征量构造颜色特征粗分类器,再通过计算粗分类结果的特征量与红色特征类标准样本中心的矢量余弦,得到颜色相似度特征灰度图,用改进的Otsu方法实现标志的最终分割,最后给出了通过训练粗分类器优化分割结果的方法.实验结果表明,本文的分割方法可在不同气候条
论文部分内容阅读
交通标志的有效分割是交通标志识别系统中的关键问题.针对禁令标志颜色特征,结合人类视觉系统的颜色感知特点,首先以颜色分量R(红)、G(绿)、B(蓝)作为输入特征量构造颜色特征粗分类器,再通过计算粗分类结果的特征量与红色特征类标准样本中心的矢量余弦,得到颜色相似度特征灰度图,用改进的Otsu方法实现标志的最终分割,最后给出了通过训练粗分类器优化分割结果的方法.实验结果表明,本文的分割方法可在不同气候条件下,有效地提高交通标志分割效率,具有较好的鲁棒性.
其他文献
针对传统灰度投影方法抗干扰能力较差的弱点,提出了一种基于区域投影的人眼精确定位方法。考虑到投影过程中的二维特性,在水平和垂直方向将眼睛图像分成不相重叠的区域,分别将各区域内的灰度值投影获得瞳孔的候选区域并将其扩展获得瞳孔窗口,利用灰度特性通过边界跟踪的方法实现了对瞳孔中心的精确定位,给出了人眼定位精确度判定准则,采用Caltech faces和JAFFE数据库进行测试。实验表明,与传统的投影方法比
提出了一种基于颜色索引相关统计的彩色图像特征提取(CILCS)方法。图像的像素颜色值被稀疏表示成类似直方图的索引形式,将相关计算应用到特征提取中,计算图像颜色分布规律在局部和整体的相关性,并结合数值统计最终得到具有一定旋转、尺度和平移不变特性的特征向量,能更有效地表示颜色纹理特征。经图像检索和图像分类的实验表明,本文方法能有效提高图像检索和图像分类的精确度。
针对单样本人脸识别这一人脸识别中的难点问题,提出了一种基于局部二元模式(LBP)直方图特征和贝叶斯(Bayes)模型的人脸识别方法。首先在独立的训练集上学习同类样本和异类样本的LBP直方图特征的相似度先验信息,估计同类和异类的类条件概率密度函数,在识别过程中利用一对图像的LBP直方图相似度计算该对图像属于同一类的后验概率,最后利用贝叶斯规则进行分类。在ORL和Yale数据库上的人脸识别实验表明,本
针对区域纹理谱描述符不具备旋转不变性的问题,引入了旋转不变算符,对局域纹理谱描述符进行了改进。采用区域纹理谱直方图描述图像统计纹理特征,采用局部旋转不变量描述不同区域变化特征,然后融合两种特征作为索引并进行图像检索。采用3种不同类型的图像库对本文方法的检索效果进行了详细比较。实验结果表明,本文提出的旋转不变纹理谱描述符可有效提高对旋转纹理图像的检索精度。
提出一种基于图像反射度照度模型的荧光视网膜图像照度校正与均衡算法。首先,使用多尺度处理及形态学测地膨胀运算将原始图像分离为背景图像和前景图像,然后,在背景图像的基础上使用多方向直线均值法对图像的照度成分进行估计,并由反射度照度模型得到背景的均衡图像;最后,单独对前景血管自适应增强的图像进行灰度校正,并将均衡后的背景图像与校正后的前景图像结合起来得到最终的均衡图像。对30幅眼底荧光造影视网膜图像进行
视频序列中的运动对象检测和跟踪算法在视频分析、计算机视觉、侦察、监控等诸多应用领域起着非常重要的作用.文中从低层图像特征角度对该问题进行了概述.对于运动对象检测,分析了基于结构化特征的进展、基于生物学研究、自底向上、激励驱动的可视化关注模型、综合时域信息的复合时空关注模型、DCT系数分析和运动场分析;对于运动对象跟踪,强调了粒子过滤系统、尺度不变特征变换(SIFT),均值偏移,以及几者的组合应用.
基于多核系统,对4种视频特征的提取程序分别研究了并行算法和性能优化方法.实验结果表明,通过的并行化和性能优化,当使用8个核时,这4种视频特征提取程序的处理速度平均提高到原始串行程序的17倍.此外,对实验结果进行了深入的性能分析,寻找和剖析了多核系统的性能瓶颈,为进一步提高多核系统的性能提供了依据和建议.
提出一种新的基于啁啾扩频超宽带技术的声表面波射频识别标签模型,该标签利用了伪随机序列进行编码,并使用了抽样函数作为扩频波形.标签参数符合超宽带无线通信标准,其带宽大于等于500 MHz.该系统具有时延小及发射功率低的优点.此外,提出了多址标签编码方式,取代了中心频率为2.45 GHz、带宽等于82.5 MHz声表面波标签通常使用的通/断编码方式.最后给出了仿真结果.
For the traditional steganographic method of Jsteg,the emmbedment of secret message is completed by dividing cover-image into nonoverlapping blocks of 8×8 pixels,discrete cosine transform(DCT) transfo
针对移动目标检测,提出了基于变化因子参考背景学习与方向预测算子的图像跟踪方法.以高速行驶车辆为目标建立变化因子,在此基础上进行视频图像参考背景的学习,并通过互相关匹配与坐标变换实现运动目标的定位及速度确定,结合方向预测算子对车辆行驶矢量进行预测,进而实现目标车辆的图像跟踪.跟踪实验及性能比较证明本方法可获得准确稳定的运动车辆跟踪结果,为运动目标的图像监控研究提供了新的思路.